监控视频目标搜索方法
【技术领域】
[0001] 本发明设及计算机视觉技术和图像处理领域，具体设及一种监控视频目标捜索方 法。
【背景技术】
[0002] 随着科学技术的进步，摄像机的清晰度不断上升，成本不断降低，监控网络已遍布 于社会的各个角落，如何快速高效地从监控网络产生的海量视频信息中获取关键信息成为 亟待解决的问题。公安刑警在办理案件过程中通常需要在大量的监控视频中对某个特定目 标进行捜索，例如对犯罪嫌疑人W及对肇事车辆的捜索，在传统的捜索过程中，对目标的捜 索通过人眼完成，需要大量的人力资源，且其捜索的准确度会随着人的疲劳程度降低，因此 建立一种能自动捜索视频中特定目标的系统显得十分重要。
[0003] 在文献；ArnoldW.M.Smeulders,MarcelWorring,SimoneSantini. Content-BasedImageRetrievalattheEndoftheEarlyYears,IEEETransactions onPatternAnalysisandMachineIntelligence,VOL. 22,NO. 12,2000.中，给出了经典的 目标图像捜索系统框架，并对目标的局部、全局W及显著性等特征进行了讨论，但直接将文 中的捜索框架应用于监控视频目标捜索中，会忽略视频中帖与帖之间的连续性等信息，导 致捜索速度较慢。
[0004] 在中国专利《一种在视频中捜索目标的方法》（公布号为CN103020198A)中，公开 了一种在视频中捜索目标的方法，该方法通过前景/背景分离技术可W将视频中的运动前 景提取出，从而有效缩小了目标捜索范围，然而该方法通过前景分离得到的区域并不能直 接作为目标进行特征提取，因为前景分离可能会得到重叠的目标，从而会造成捜索失败。而 且在该方法的框架下，同一目标在连续时间段内特征比对成功都将视为捜索结果，当查看 捜索结果时，会导致结果过多且较混乱等问题。
【发明内容】
[0005] 本发明的目的是提供一种监控视频目标捜索方法，W解决现有技术中的图像捜索 方法难W直接应用于视频中特定目标捜索的技术问题，W取得较快的捜索速度和准确度。
[0006] 作为本发明的一个方面，提供了 一种监控视频目标捜索方法，其特征在于，包括： 步骤1，获取捜索目标图像，并提取所述捜索目标图像的特征W建立目标模型；步骤2,获取 输入视频，并根据所述输入视频建立背景模型，W提取每一视频帖中的运动前景，并通过连 通域检测得到候选目标区域，在所述候选目标区域内利用边缘轮廓估计法求出所有可能的 物体目标框位置，其中物体目标框是指包含边缘闭合物体的矩形框；步骤3,将候选目标区 域中的与捜索目标具有最大综合相似度的物体目标框物体子框的特征相似度作为候选目 标区域对应的相似度，若候选目标区域与捜索目标的综合相似度大于阔值，则将候选目标 区域的相关信息存入数据库；步骤4,对数据库中的记录进行归类筛选，W减少在筛选结果 中连续时间段内重复目标出现的次数；步骤5,查询数据库并根据预设条件对查询结果排 序。
[0007] 在步骤1和3中，采用多特征对捜索目标和候选目标进行特征提取和相似度计算， 能够提高目标捜索的鲁椿性，通过步骤2利用运动前景信息W及边缘轮廓估计法则能够准 确快速地定位到视频中的物体目标框，步骤4和5在查询过程中采用多特征的组合条件排 序和查询可避免按固定权重组合特征造成的捜索失败。
[0008] 优选地，所述步骤1中，提取所述捜索目标图像的特征包括；HSV颜色直方图特征、 边缘点个数与面积比例特征、感知哈希指纹特征。其中HSV颜色直方图特征能够描述目标 的颜色分布情况，使我们从颜色上识别目标，而边缘点个数与面积比特征可W反映目标包 含边缘信息的情况，使我们可W从目标的边缘信息量上描述目标，感知哈希指纹特征用于 描述物体的纹理，且具有尺度不变性。
[0009] 优选地，所述背景模型采用混合高斯模型。通过混合高斯模型可W快速提取出视 频帖上的运动前景点。
[0010] 优选地，在所述候选目标区域内利用边缘轮廓估计法求出所有可能的物体目标框 位置包括；S1 ;计算目标图像的梯度图；S2 ;将梯度图进行多尺度缩放，得到不同尺度下的 梯度图；S3 ;W尺度为8*8的矩形框遍历各个梯度图，分析各框内的梯度分布W确定物体目 标框位置。
[0011] 优选地，所述步骤S3包括；分别从所述梯度图的矩形框四条边各边上的每一个像 素W垂直于该边的方向出发，计算遇到第一个大于128梯度值（即边缘点）的距离，若从各 边上的每个像素出发找到边缘点的距离平均值小于5,则判定该矩形框通过缩放比例对应 到原图的矩形框为物体目标框判定该矩形框对应的位置可能存在目标物体。
[0012] 优选地，步骤3中，对物体目标框进行多特征提取，计算该物体目标框的各个特征 与捜索目标的各个特征之间的相似度，将各个特征所述相似度进行线性叠加得到所述综合 相似度；所述相关信息包括候选目标区域的帖号、位置、尺寸W及图像各个特征的相似度 值。
[0013] 优选地，步骤4包括；按帖号的顺序依次读出数据库中的各条记录，若连续两帖之 间存在目标的位置差小于5,且长宽差值均小于5,则认为该两条记录属于同一类；在遍历 数据库后，对每一类中的记录进行筛选，每一类记录条数不超过3条，对于超过3条记录的 类只保留其第一条、中间一条W及最后一条。
[0014] 优选地，所述相似度包括HSV颜色直方图特征的相似度、边缘点个数与目标面积 比例特征相似度、感知哈希指纹特征的相似度，所述综合相似度由所述服V颜色直方图特 征的相似度、边缘点个数与目标面积比例特征相似度、和感知哈希指纹特征的相似度分别 W0. 5、0. 2、0. 3为权值线性叠加得到而成。
[0015] 优选地，步骤5中，根据所述HSV颜色直方图特征的相似度、边缘点个数与目标面 积比例特征相似度、感知哈希指纹特征的相似度对查询结果排序。
【附图说明】
[0016] 图1是本发明监控视频目标捜索的算法流程框图。
[0017] 图2是本发明前景检测得到的候选目标区域示意图。
[001引图3是本发明候选目标区域的多尺度变换示意图。
[0019] 图4是本发明物体边缘轮廓分析示意图。
[0020] 图5是本发明实施例效果图。
【具体实施方式】
[0021] 下面，结合图1至5,W-个具体的实施例，对本发明进行详细说明。
[0022] 步骤1，对输入的捜索目标T进行特征提取，包括服V颜色直方图特征、边缘点个数 与面积比例特征W及感知哈希指纹特征。
[0023] HSV颜色直方图特征C是将HSV颜色空间划分为105个组，然后统计图像上的各个 像素落入每个组的个数，并归一化得到C。其中，在色度H上划分为12等份，在饱和度S上 划分为8等份，得到96个组，再单独为黑白灰划分9个组总共得到105个组。
[0024] 为提高计算速度，一个实施例中通过查表映射法对直方图进行统计，即求出一个 从RGB空间直接到直方图颜色值的映射表Map巧，G，B)，该表把像素的颜色值直接映射到直 方图的某一个组上。
[0025] 边缘点个数与面积比例特征0用于衡量目标上的边缘纹理与目标大小之间的关 系，通过Canny算子计算目标图像的边缘，并统